下载文档原格式
第52卷第6期电力系统保护与控制Vol.52 No.6 2024年3月16日Power System Protection and Control Mar. 16, 2024 DOI: 10.19783/ki.pspc.231155计及能源交易下基于纳什议价模型的多微网合作博弈运行优化策略田海东1，何 山1,2，艾纯玉1，樊小朝3，胡 兵3，徐立军3(1.新疆大学可再生能源发电与并网技术自治区重点实验室，新疆 乌鲁木齐 830017；2.新疆大学可再生能源发电与并网控制教育部工程研究中心，新疆 乌鲁木齐 830017；3.新疆工程学院，新疆 乌鲁木齐 830023)摘要：以能源交易为背景，针对多微电网合作中的运行优化问题，提出了基于Nash议价模型的合作博弈策略，旨在实现微电网之间的合作，以最大化整体利益，同时考虑能源交易和成本优化。
首先，将各微电网视为博弈参与者，构建了基于Nash议价理论的多微电网合作博弈模型，通过选择能源交易策略和运行策略来影响其能源成本和效益。
其次，采用交替方向乘子法(alternating direction multiplier method, ADMM)求解此多参与者优化问题，通过将原问题分解为子问题并引入乘子变量来实现迭代求解。
最后，在每次迭代中，各微电网根据其局部信息更新能源交易和运行策略，并利用乘子变量进行信息交换和博弈协调，以达到全局一致性。
结果表明，该策略在多微电网合作中能够实现整体性能的提升，有效促进了可再生能源的消纳水平，平衡了各参与者的利益，同时降低了能源成本。
关键词：多微网系统；能源交易；合作博弈；Nash议价Optimization strategy for cooperative game operation of multi-microgrids based on the Nashbargaining model considering energy tradingTIAN Haidong1, HE Shan1, 2, AI Chunyu1, FAN Xiaochao3, HU Bing3, XU Lijun3(1. Key Laboratory of Renewable Energy Power Generation and Grid-connected Technology of Autonomous Region, XinjiangUniversity, Urumqi 830017, China; 2. Engineering Research Center of Renewable Energy Power Generation and Grid-connected Control, Xinjiang University, Ministry of Education, Urumqi 830017, China;3. Xinjiang Institute of Engineering, Urumqi 830023, China)Abstract: In the context of energy trading, a cooperative game strategy based on the Nash bargaining model is proposed for the operation optimization problem in multi-microgrid cooperation, aiming to achieve cooperation among microgrids to maximize the overall benefits while considering energy trading and cost optimization. First, each microgrid is considered as a game participant, and a multi-microgrid cooperative game model based on the Nash bargaining theory is constructed to influence its energy costs and benefits by choosing strategies for energy trading and operation. Secondly, the alternating direction multiplier method (ADMM) is used to solve this multi-participant optimization problem by decomposing the original problem into sub-problems and introducing multiplier variables to achieve iterative solutions.Finally, in each iteration, each microgrid updates its energy trading and operation strategy based on its local information and uses the multiplier variables for information exchange and game coordination to achieve global consistency. The results show that this strategy can realize overall performance improvement in multi-microgrid cooperation, effectively promote the level of renewable energy consumption, balance the interests of each participant, and reduce the energy cost at the same time.This work is supported by the National Natural Science Foundation of China (No. 52266018).Key words: multi-microgrid systems; energy trading; cooperative games; Nash bargaining基金项目：国家自然科学基金项目资助(52266018)；新疆自治区重点研发计划项目资助(2022B01003-3)；新疆自治区重点实验室开放课题(2023D04029)；新疆自治区研究生创新项目资助(XJ2023G051)- 30 - 电力系统保护与控制0 引言随着能源需求的不断增加和能源结构的不断变化，微电网(microgrid, MG)作为一种新型的能源供应和管理模式，逐渐受到了广泛的关注[1-3]。
第28卷第3期湖南文理学院学报(自然科学版)Vol.28No.3 2016年9月Journal of Hunan University of Arts and Science(Science and Technology)Sep.2016 doi:10.3969/j.issn.1672–6146.2016.03.012基于改进机器学习算法的微电网短期负荷预测齐庭庭,李建奇(湖南文理学院电气与信息工程学院,湖南常德,415000)摘要:为了对具有基数小、波动大及随机性强等特点的微电网负荷进行准确预测,提出了一种基于改进的机器学习算法。
该算法包括基于蚁群算法的模型参数寻优和基于改进核函数极限学习机的预测模型2部分。
首先,对蚁群算法信息素的作用方式进行了改进,并将训练误差用于计算蚁群个体的新增信息素,从而得到最优的模型参数。
其次,采用基于加权离散距离的方法对训练数据进行筛选,留下相似度高的训练样本对核函数输出权重进行训练,从而减少计算量,提高预测精度。
用某小区高层楼宇的电网历史负荷数据,在Matlab 中对算法进行仿真验证,结果表明预测算法能较好地实现微电网的负荷预测。
关键词:微电网;负荷预测;机器学习算法中图分类号:TM715文章编号:1672–6146(2016)03–0057–05Short-term load forecasting for microgrids based on improved machine learningalgorithmQi Tingting,Li Jianqi(College of Electrical and Information Engineering,Hunan University of Arts and Science,Changde415000,China) Abstract:In order to improve the accuracy of short-term load forecasting,an improved machine learning algorithm is proposed.It consists of model parameters optimization based on ACO(Ant Colony optimization)and forecasting model based on improved KELM(Extreme Learning Machine).Firstly,the way that pheromone works is modified and the training error is introduced into calculating new pheromone.By this way,the optimal parameters of KELM can be obtained.Secondly,the weighted discrete distance is utilized to screen the training data.The more similar ones will be picked out to train the output weight of KELM.It can reduce calculation and improve the accuracy.The historic load data of a residential building is utilized to conduct the verifying simulations in Matlab.The results show that the proposed algorithm has a good performance in short-term load forecasting for microgrids.Key words:microgrids;load forecasting;machine learning algorithm根据目前国内外的相关研究,按时间尺度可以将电力系统负荷预测分为长期、中期、短期和超短期负荷预测4类[1]。
基于改进微分进化算法的风光互补系统发电容量优化配置陈天;蔡泽祥;谢鹏;François AUGER;Salvy BOURGUET【摘要】为有效兼顾风光互补发电系统的可靠性与经济性,以年缺电负荷率最小及微网系统投资建设成本最低为目标函数,以储能电池充放电次数、微网功率平衡以及电池充放电上下限等为约束条件,搭建风光互补系统发电容量优化模型.针对缺电负荷率、系统成本 2 个目标函数相悖的特点,考虑将帕累托非劣排序操作引入至常规微分进化算法,并对常规算法中的变异策略进行了相应改进,使得改进后的算法在具备多目标寻优能力的同时,寻优速度也得到了较为显著的提升.最后,应用所提改进多目标微分进化算法对风光互补系统发电容量优化模型进行求解,算例结果验证了该文模型的合理性和所提算法的有效性.%In order to consider the reliability and economy of wind/solar hybrid power generation system, a capacity optimization model was established in this paper. The minimum of annual lack-of-power load rate and the minimum of micro-grid construction investment cost were taken as the objective functions. The charging and discharging times of energy storage battery, micro-grid power balance, and the upper and lower limit of battery charging were taken as the constraint conditions. According to two objective functions conflicting with each other, the Pareto non-dominated sorting mechanism was introduced into the conventional differential evolution algorithm and its mutation strategies was improved. The improved differential evolution algorithm has the ability of multi-objective optimization and its optimization speed is improved. Finally, the improved multi-objective compound differential evolution algorithm was used for solving capacity optimization model ofwind/solar hybrid power generation system. The example results verified the rationality of the proposed model and the effectiveness of the proposed algorithm.【期刊名称】《电力科学与技术学报》【年(卷),期】2017(032)003【总页数】7页(P22-28)【关键词】风光互补系统;容量优化;微分进化算法;多目标优化【作者】陈天;蔡泽祥;谢鹏;François AUGER;Salvy BOURGUET【作者单位】华南理工大学电力学院,广东广州 510640;华南理工大学电力学院,广东广州 510640;华南理工大学电力学院,广东广州 510640;Institut de Recherche en Energie Electrique de Nantes Atlantique, Université de Nantes,Pays de la Loire ST-Nazaire 44600;Institut de Recherche en Energie Electrique de Nantes Atlantique, Université de Nantes,Pays de la Loire ST-Nazaire 44600【正文语种】中文【中图分类】TM619随着全球变暖问题的日益严重和传统化石能源的逐渐枯竭，可再生能源发电已成为世界各国热点关注问题。
Computer Science and Application 计算机科学与应用, 2023, 13(10), 1824-1836Published Online October 2023 in Hans. https:///journal/csahttps:///10.12677/csa.2023.1310181基于改进NSGA-II算法的物联网服务组合优化研究邱林山1，程良伦1,2，王涛11广东工业大学自动化学院，广东广州2广东工业大学计算机学院，广东广州收稿日期：2023年9月6日；录用日期：2023年10月5日；发布日期：2023年10月13日摘要物联网服务组合是促进物联网发展和实现资源增值的一项关键技术。
对于单个的物联网服务，其功能有限，若将若干物联网服务进行组合得到功能更加强大的复合服务，则可以提升复合服务的性能。
以往的物联网服务组合模型研究多关注时间、成本、质量等等，较少考虑国家的能源消耗要求和物联网平台的用户体验问题以及物联网平台的安全性。
原始NSGA-II算法在种群迭代过程中容易出现提前收敛或局部收敛问题。
考虑上述情况，本文提出一种新的评价模型，并改进NSGA-II算法，并用改进后的算法求解该模型。
最后通过一个物联网服务组合的算例，表明改进的NSGA-II算法求解的帕累托面更加平滑，算法运行时间减少6.216%，证明了模型的有效性，以及改进算法的先进性。
关键词物联网服务，服务组合，多目标优化，改进的NSGA-II算法Research on IoT Service CompositionOptimization Based on ImprovedNSGA-II AlgorithmLinshan Qiu1, Lianglun Cheng1,2, Tao Wang11School of Automation, Guangdong University of Technology, Guangzhou Guangdong2School of Computer Science, Guangdong University of Technology, Guangzhou GuangdongReceived: Sep. 6th, 2023; accepted: Oct. 5th, 2023; published: Oct. 13th, 2023AbstractService composition of Internet of things (IoT) is a key technology to promote the development of邱林山等IoT and realize value-added resources. For a single IoT service, its function is limited. If several IoT services are composed to obtain a more powerful composite service, the performance of the composite service can be improved. Previous IoT service portfolio model studies pay more atten-tion to the time, cost, quality, etc., less consider the national energy consumption requirements and Internet of things platform user experience problems. The original NSGA-II algorithm is prone to premature convergence or local convergence in the process of population iteration. Considering the above situation, this paper proposes a new evaluation model, and improve the elite strategy of pareto solutions sorting genetic algorithm (NSGA-II), and the improved algorithm to solve the model. Finally, an internet of things service composition example shows that the Pareto surface solved by the improved NSGA-II algorithm is smoother, and the running time of the algorithm is reduced by 6.216%, which proves the effectiveness of the model and the advancement of the im-proved algorithm.KeywordsIoT Service, Service Composition, Multi-Objective Optimization, Improved the NSGA-II Algorithm Array Copyright © 2023 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0)./licenses/by/4.0/1. 引言物联网服务组合是指将多种不同类型的物联网服务以及相关资源和功能进行整合和集成，以满足用户需求并创造更高级别的价值[1]。
改进微分进化算法在变电站选址定容中的应用摘要本文探讨了分布式电源接入对配电网运行及变电站选址规划的影响，在文献[1]的基础上，对带局部增强算子的微分进化算法进一步研究。
关键词微分进化算法；分布式电源；变电站选址中图分类号tm715 文献标识码a 文章编号1674-6708（2013）82-0139-020 引言变电站规划在电力系统规划中具有承上启下的作用。
变电站位置选择得恰当能够增强电力系统网架的坚强性，不容易收到扰动的影响，从而保证电网的安全稳定和经济运行。
但是由于变电站选址属于np（non-deterministic polynomial）难的多目标优化问题，除了包含连续量，还涉及到离散量等变量，目前还没有一种完全有效的算法来处理这个难题。
1 考虑分布式电源接入的变电站选址定容新模型1.1 dg对配网变电站选址定容的影响1）对电网损耗的影响在用电负荷附近接入分布式电源后，将改变整个电网系统的潮流分布，具体分为下面3种情况：（1）所有节点处dg的有功输出均小于相应节点处的负荷；（2）配电网中所有dg的总有功输出小于所有负荷的总量，但至少有一个节点处的dg的有功输出大于该节点处的负荷；（3）配电网中负荷总和小于所有dg的总有功输出，同时至少有一个节点处的dg有功输出大于该节点处的负荷。
对于情况（1），电网中所有线路的网损都会由于接入dg而减小；对于情况（2），配电网中某些线路的网损增加，但配电网的总网损将减小；对于情况（3），假如所有dg的有功输出小于总负荷的2倍，那么dg的影响与情况（2）相同，否则将使配电网的总网损增加。
2）对负荷预测的影响。
当dg大量接入配电网时，有一部分负荷可由这些分布式电源来供应，导致整个电力系统的负荷预测结果难以掌握，进而对电源的扩建规模和进度产生影响。
因此，必须对用户侧分布式电源对电网侧负荷预测结果的影响进行研究。
1.2 计及分布式电源的变电站选址定容模型2 改进微分进化算法在变电站选址中的应用3 算法应用流程图算法以mp概率对de基本算法得到的新种群中除最优个体外的部分个体按照局部增强算子重新赋值。
基于人工智能方法的变电站选址定容规划研究摘要:变电站选址定容优化规划是一个多目标、多阶段、非线性、受约束的混合整数规划问题,传统的运筹学方法已不能满足求解的需要,以人工智能技术为主的各种智能优化算法成为解决变电站规划的主流算法。
本文对变电站选址定容从规划的技术和经济性划分可靠性和经济性模型,按规划时间分静态和动态规划模型。
并对多种算法进行全面的综述,重点分析这些模型和算法存在的问题和不足,并对存在问题和研究进行展望。
关键词:电网规划变电站选址定容规划模型优化算法综述变电站规划是电网规划建设中重要的一环,它直接决定供电范围、网架出线和与上级电网的连结,保障用户的供电可靠性和电能质量。
传统的变电站规划主要依赖规划专家的工程经验。
近年来,变电站优化规划在电力系统中得到长足的发展。
变电站选址定容优化规划是一个多目标、多阶段、非线性、受约束的混合整数规划问题。
从数学角度来说,这是运筹学问题。
而传统的运筹学方法,如线性规划法、整数规划法、混合整数规划法虽数学原理严格,但在解决变电站规划问题时常常发生搜索方向错误、迭代发散等问题。
当变量增多时,往往陷入“组合爆炸”,这些方法很难得到问题的优化方案。
目前,以人工智能技术为基础的各类优化算法逐步成为求解变电站优化规划数学模型的主流算法。
本文综述近年来变电站优化规划的研究成果,述评变电站选址定容的数学模型和各种寻优算法,重点分析模型和算法存在的不足,并对进一步的研究方向和相关问题进行展望。
1 变电站规划数学模型早期的变电站规划一般作为配电网规划子系统模型出现,所考虑的情形包括有、无给出初始站址、单源站址和多源站址等。
变电站规划从经济和技术角度也可以分为以经济性为目标和以可靠性为目标的模型;在处理站址的地理信息(GIS)上可分为单阶段模型(静态)和多阶段(动态)模型;如果考虑的影响因素较多时还可采用综合评判模型。
1.1 以可靠性为目标的规划模型该模型把负荷抽象为几何意义上的点,按照变电站靠近负荷中心的原则分配负荷,以总体负荷矩最小为目标函数,以功率平衡、变压器容量、供电半径等网络参数限制为约束。
